Lorsque les géants fermeront les vannes

L’IA est devenue une habitude

En quelques années, l’intelligence artificielle générative est passée d’une curiosité technologique à un réflexe de travail. Rédiger un courrier, résumer un contrat, traduire une fiche technique, déboguer un script, préparer une réunion ou interroger une base documentaire : ces gestes se font aujourd’hui avec un modèle, sans y penser. L’usage ne se limite plus au bureau ; il s’est installé dans la vie privée, pour les devoirs des enfants, la recherche d’une recette ou la préparation d’un voyage. Cette banalisation est précisément ce qui donne aux fournisseurs une position aussi confortable : un outil qu’on utilise tous les jours devient un outil dont on dépend.

Pour une PME, cette dépendance est rarement décidée. Elle s’installe par le bas, abonnement après abonnement, compte personnel après compte personnel, jusqu’au jour où une partie du travail quotidien repose sur un service extérieur dont on ne maîtrise ni le prix, ni les limites, ni la disponibilité. C’est au moment où cette habitude devient structurelle qu’il faut regarder froidement la mécanique économique qui la porte.

Des quotas qui se resserrent

Le premier signal est déjà visible : les limites d’usage se durcissent. En juillet 2025, Anthropic a annoncé l’introduction de quotas hebdomadaires pour les abonnés de Claude, en plus des fenêtres de cinq heures existantes, applicables dès la fin août. Officiellement, il s’agissait de freiner une minorité d’utilisateurs intensifs ; concrètement, un abonnement payant s’est vu plafonné plus strictement qu’auparavant, avec la possibilité de « racheter » de l’usage supplémentaire au tarif API dès que le quota est atteint. Même le forfait le plus cher n’est plus présenté comme illimité, mais comme un multiple d’un forfait de base.

Le même mouvement s’observe ailleurs : messages comptés par fenêtre, accès aux modèles les plus performants réservé aux paliers supérieurs, fonctions avancées déplacées vers des offres « entreprise ». Le schéma est cohérent. On ne retire pas brutalement un service devenu quotidien ; on en réduit discrètement la générosité, on rend le palier gratuit ou bon marché juste assez frustrant, et on déplace la valeur réelle vers des abonnements plus chers. Pour l’utilisateur, l’outil n’a pas changé de nom, mais il rend un peu moins pour le même prix.

Le prix affiché ne couvre pas le coût réel

La raison de fond est simple : les tarifs actuels ne reflètent pas le coût de production. En janvier 2025, le dirigeant d’OpenAI reconnaissait publiquement perdre de l’argent sur l’abonnement ChatGPT Pro à 200 dollars par mois, parce que les clients l’utilisaient bien plus que prévu. Il précisait avoir fixé lui-même ce prix en pensant « gagner un peu d’argent ». Quant au forfait grand public à 20 dollars, il expliquait par ailleurs l’avoir choisi sans véritable étude tarifaire, en comparant simplement deux prix. Autrement dit, les abonnements que paient aujourd’hui les particuliers et les PME n’ont pas été calibrés pour être rentables ; ils ont été calibrés pour conquérir le marché.

Il faut mesurer ce que cela implique. Quand le service le plus cher d’un leader du secteur perd de l’argent à 200 dollars par mois, le forfait à 20 dollars qui équipe la majorité des professionnels est, par construction, vendu en dessous de son coût. Ce n’est pas une anomalie passagère : c’est le modèle lui-même. L’inférence coûte cher en calcul, en GPU et en énergie, et chaque requête supplémentaire creuse l’écart. Un tel écart ne peut tenir que tant qu’un financement extérieur le comble.

Des investissements hors normes à amortir

Or ce financement a une échelle vertigineuse. Pour la seule année 2026, les quatre principaux hyperscalers — Amazon, Microsoft, Alphabet et Meta — prévoient de dépenser près de 700 milliards de dollars en infrastructures, en hausse d’environ 60 % par rapport à 2025. De son côté, OpenAI a présenté à ses investisseurs une trajectoire de flux de trésorerie négatifs de l’ordre de 278 milliards de dollars entre 2026 et 2030, avec un retour à l’équilibre espéré seulement vers 2030 et des pertes d’exploitation qui continueraient d’augmenter d’ici là. Ces chiffres ne sont pas ceux d’un marché mûr qui optimise ses marges ; ce sont ceux d’une course à la capacité financée à crédit sur la promesse de revenus futurs.

Un tel niveau d’investissement doit, un jour, être amorti. Les actionnaires et les prêteurs qui financent ces datacenters n’acceptent pas indéfiniment de vendre à perte un service que des centaines de millions de personnes utilisent chaque semaine. Mécaniquement, il n’existe que trois issues : réduire ce que l’on offre à prix constant, augmenter les prix, ou les deux. Le resserrement des quotas que l’on observe déjà n’est pas un détail d’intendance ; c’est la première manifestation visible de cette équation qui doit finir par se rééquilibrer.

Se rendre indispensable, puis présenter l’addition

Reste une lecture plus stratégique, et sans doute la plus inquiétante pour une entreprise. Vendre à perte pendant la phase de conquête n’est pas forcément une erreur : c’est une méthode éprouvée. On installe l’habitude, on devient indispensable, on laisse les processus métier se reconstruire autour de l’outil — puis, une fois la dépendance acquise, on présente l’addition au prix que le marché est devenu incapable de refuser. Le monde du logiciel et du cloud a déjà connu ce cycle : des services d’abord généreux, puis progressivement plus restrictifs et plus chers, une fois les utilisateurs captifs.

Rien ne garantit que les prix seront multipliés par dix dans quelques mois ou quelques années. Mais la trajectoire rend l’hypothèse crédible : des coûts réels très supérieurs aux prix affichés, des investissements colossaux à rentabiliser, et un usage devenu si quotidien qu’une hausse brutale se heurterait à peu de résistance. Une entreprise qui a laissé l’IA s’immiscer dans ses opérations sans plan de repli se retrouverait alors face à un choix qu’elle n’aurait pas choisi : payer le nouveau prix, quel qu’il soit, ou désorganiser son travail du jour au lendemain.

Reprendre la main avant la fermeture des vannes

C’est précisément là que se joue l’intérêt d’une infrastructure d’IA privée. OPA ne prétend pas que l’IA locale est gratuite : elle a un coût matériel et énergétique. Mais ce coût est connu, fixe et maîtrisé. Des modèles à poids ouverts, installés sur un serveur dédié, avec un moteur de recherche documentaire privé, transforment une dépense variable et incontrôlable en capacité budgétairement stable. Surtout, ils rendent l’entreprise indépendante d’un quota, d’une grille tarifaire ou d’une décision commerciale prise ailleurs.

La bonne démarche n’est pas d’opposer frontalement le cloud et le local, mais de garder la liberté de choisir. Certaines charges ponctuelles ou très spécialisées resteront pertinentes dans le cloud ; d’autres, récurrentes, sensibles ou critiques, gagnent à tourner sur une infrastructure que l’on possède. Anticiper la fermeture des vannes, ce n’est pas renoncer à l’IA : c’est s’assurer que le jour où les prix reflèteront enfin le coût réel, ce soit vous qui décidiez de ce que vous payez.

Sources : TechCrunch — OpenAI perd de l’argent sur ChatGPT Pro, TechCrunch — Anthropic introduit des quotas hebdomadaires sur Claude, Reuters — OpenAI anticipe près de 280 milliards de dollars de trésorerie brûlée d’ici 2030, CNBC — Près de 700 milliards de dollars d’investissements IA des hyperscalers en 2026.

Tom Cheniaux - rephrased using AI